بررسی تاثیر نظرات کاربران در مورد اخبار در قیمت ارز دیجیتال با استفاده از مدل زبانی برت

امروزه استفاده از رمزارزها در بسیاری از کشورها فراگیر شده است و روزبه‌روز محبوبیت بیشتری کسب می‌کنند. رمزارز که در واقع یک پول دیجیتالی غیرمتمرکز است، به‌سادگی قابلیت ارسال به سراسر جهان است و این مسئله موجب استقبال سرمایه‌گذاران شده است. بازارهای مالی متعددی جهت انجام معاملات ارزهای دیجیتال در بستر بلاک‌چین ایجاد شده‌اند. در قرن اخیر نیز تلاش‌های گوناگونی برای پیش‌بینی قیمت در بازارهای مالی صورت‌گرفته است. ارزش‌گذاری بنیادین، استفاده از تحلیل تکنیکال، تحلیل آماری، هوش مصنوعی و... از جمله این روش‌ها است. مطالعات مختلفی نشان داده اند که پیش بینی قیمت ارز دیجیتال صرفا با استفاده از تاریخچه قیمت با دقت قابل قبولی قابل انجام نیست بلکه رویدادهای سیاسی اجتماعی و اقتصادی تاثیر چشمگیری در تغییرات قیمت خواهند داشت. هدف از پژوهش حاضر بهره‌گیری از یادگیری عمیق به منظور پیش‌بینی قیمت ارزهای دیجیتال بر مبنای اخبار مرتبط منتشر شده است. قدم اول این پژوهش جمع آوری و سازمان دهی مجموعه‌داده ای است که تغییرات قیمت را متناسب با اخبار ثبت می کند. به دلیل در دسترس نبودن داده برای ایجاد مدل پیش‌بینی قیمت، ابتدا داده‌ها از حدود 75000 خبر پیرامون 400 رمزارز برتر در طول یک بازه 4 ساله از منبع خبری مرتبط به نام کریپتوپنیک جمع‌آوری شدند که پس از پاک‌سازی 12267 خبر نهایی جهت ساخت مدل از میان آنها انتخاب شد. سپس با استفاده از تحلیل احساسات روی متن اخبار، مدلی از متن خبر به مثبت یا منفی بودن تاثیر آن در قیمت ساخته شد و در مرحله بعد با مقایسه این اخبار با قیمت واقعی روزانه ارزها، تاثیر واقعی اخبار روی قیمت بررسی گردید. در نهایت مدل برت بادقت خوبی توانست مثبت و یا منفی بودن خبر را تشخیص دهد. همچنین مشخص شد که همبستگی اخبار با تغییرات قیمت شدید حدود 0.9 است ولی در موارد که تغییرات قیمت کمی رخ داده است همبستگی سوی اخبار با تغییرات قیمت حدود 0.6 است.